数字图像处理与分析基础 第七章图像编码2

《数字图像处理与分析基础 第七章图像编码2》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、数字图像处理与分析基础第七章图像编码技术7.4无误差编码技术LosslessCompressionTechniques位平面编码二值图像编码行程编码(Run_lengthCoding)轮廓编码有误差编码：编码后的图像不能经解码器复原到原始的图像，不可逆。无误差编码：可逆。数字图像处理与分析基础7.4.1位平面编码一种能有效减少像素间冗余的技术，对相关性强的图像，它的编码效率比霍夫曼码更高。基本方法：将多级图像（灰度图像或彩色图像）分解成一系列的二值图像，然后对二值图像应用二值图像编码方法，以达到对多值图像编码的目的。相关技术：位平面分解二值图像编码

2、数字图像处理与分析基础1、位平面分解设灰度图像的灰度级需要m比特表示，那么任意一个灰度级g都可以表示成一个以2为底的多项式：其中ai=0/1，i=0,1,2,…,m-1也就是说，图像的同一个比特位的系数的集合就是一个二值图像，称为一个“位平面”。位平面编号从0开始，直到m-1。将m个位平面组合，显然又可以恢复原来的灰度图像127（011111112）和128（100000002）数字图像处理与分析基础Grey码二进制码，它与自然二进制码有一一对应的转换关系。设它的第i位为gi，gi与ai的转换关系为：格雷码的优点：差值为1的两个数值的格雷码只有一位不

3、同。127（01000000g）,128（11000000g），转换后就只在第7个位平面有一个0到1的变化数字图像处理与分析基础7.4.2二值图像编码位平面图像图形图像或文本图像大量的是连续的白色背景，对这些连续的块指定短码字，可以达到压缩的效果。数字图像处理与分析基础空白编码利用了文本类图像中空白较多的特点。将图像的一行分成若干段，规定每段有k个象素；若k个象素全是空白，则用“0”表示；否则用“1”表示，后接直接编码。例：不同的10个像素，它们相应的代码如下：10个象素相应的代码00000000000000000000110000000001100

4、000000111000000001Lk=[p1+(1-p)(k+1)]/k=[k+1-kp]/k压缩比=p(全白)>1/k，才能达到压缩效果。当k=10时，对大多数文本文件比较合适。数字图像处理与分析基础黑块/白块编码扩展到二维，是对图像中大片的连续的1或0的区域（黑白块）进行识别编码。（1）设图像被分解为若干块，每一块的大小一致，为ab。（2）这些块只有三种类型：全白色、全黑色、混合区域。（3）统计这三类区域的出现概率。（4）码字分配：出现概率最大的类型用1比特码字“0”表示，其他的用2比特码字“10”和“11”表示，后接对应区域的直接编码

5、。平均码长若达到压缩效果，需满足p>2/(ab+1)数字图像处理与分析基础逐层编码进一步提高编码效率的方法是使用迭代的方法将二值图像分解为越来越小的块，逐层进行编码。逐层编码算法：（1）纯白色的图像块用1比特码字“0”表示；（2）其他类型图像用1比特码字“1”表示，并且对图像进行四等份分割，得到四个子块。（3）对每一个子块重复过程（1）、（2），一直到规定的最小子块尺寸。（4）图像最小子块采用原图像信息的直接编码。数字图像处理与分析基础7.4.3行程编码(Run_lengthCoding)——映射器又称为“游程编码”可用于二值图像/灰度值/连续出现的

6、长度值进行编码。若在图像的一行内采用，就是一维行程编码，即A码；若在图像平面内实施，则为二维行程编码，它们分别是传真机中使用的两种二值图像压缩标准（G3和G4）中所用技术的基础数字图像处理与分析基础1、一维行程编码（线性行程编码，A码）图像行扫描，xi={x1,x2…,xn}，行内连续的相同的点的数目称为行程长度。纵坐标为图像灰度级gi,编码:Wi=(gi,li),li灰度级为gi的行程长度。G8642048121620xL数字图像处理与分析基础（a)预测差值编码（PDQ）将图像阵列变换为整数对序列{（i’,i’’）},i’是相邻行同区域开始点

7、列坐标差值，I’’邻行同区域行程长度差值域。i’+I’’+区域起始点参数+区域终点参数=形状，位置2、二维行程编码ABt1t2i’i’’’i’’=t2-t1PDQ及DDC方法说明数字图像处理与分析基础（b）双重增量编码（DDC）(i’,i’’’)，i’’’相邻行同区域结束点列坐标差值。用法：少数大区域，二维；较多小区域，一维。用B1码对整数序列再编码。数字图像处理与分析基础7.4.4轮廓编码（或等值线编码）——映射器用像素的空间坐标及其灰度值来描述或压缩图像信息。(1)链码(ChainCode)：二值图像的轮廓编码二值图像f(x,y

8、)，0：背景；1：物体。算法：1）确定物体边界起始点IP，f(x,y)=1;2）根据LML（LookMost